API 文件

基礎 URL 與驗證

連線至 https://api.tokenllm.cc/v1 使用您的唯一 API 金鑰。此基礎 URL 可透過設定 base_url 變數。每個帳戶僅提供一個有效金鑰；生成新金鑰將取代舊金鑰。驗證機制依賴 Authorization: Bearer <key> 標頭. 我們不會儲存您的提示詞用於訓練，且您可以透過 Google 或電子郵件註冊，無需提供手機號碼。錯誤和拒絕不會消耗 token，因此您只需為實際的推論付費。

Chat Completions 端點

將文字傳送至 POST /v1/chat/completions 生成回應。此端點處理文字輸入、文字輸出的工作流程，搭配我們的無審查模型。標準聊天任務不需要嵌入或圖片生成。模型 ID 始終為 "uncensored"。請求在我們自己的伺服器上處理，確保沒有第三方供應商過濾您的輸出。請將有效負載保持在 8 MB 以下，以避免截斷問題。

必要與選用參數

包含一個 messages 包含您的對話歷史的陣列。設定 model 至 "uncensored" 以確保正確路由。您可以調整 temperature 用於創意或 top_p 用於多樣性。使用 max_tokens 將輸出限制為 16,000 個令牌，或默認為 2,048。上下文窗口支持總共 100,000 個令牌用於提示和完成。可選參數如 seed 和 stop 提供您對生成過程的精確控制。

透過 SSE 的串流回應

在請求主體中將 stream: true 在你的請求中。API 為即時 Token 交付返回伺服器發送的事件 (SSE)。每個區塊包含部分文字，最後一個區塊包含總 Token 使用統計數據。此方法降低了長回應的感知延遲。你可以處理到達的 Token，這非常適合聊天介面。串流與所有標準參數配合使用。

函式呼叫與 JSON 模式

在 tools 參數用於函數呼叫功能。當您設定 response_format 以 {"type": "json_object"}. 這可確保下游應用程式能可靠地進行解析。您可以指定 tool_choice 以強制或允許自動選擇。這些功能在同一個 uncensored 模型內運作，因此您不需要單獨的結構化輸出供應商。

錯誤處理與 Token 使用

處理無效金鑰的 HTTP 401 錯誤和速率限制的 429 錯誤。您每分鐘受限於 300 次請求，每個金鑰受限於 8 個併發請求。如果收到 402，表示您的預付餘額已耗盡。由於內容過濾器（如未成年人色情內容）導致的拒絕不收取 token。API 不會使您的餘額過期，因此您可以隨時充值。請始終檢查回應主體以獲取詳細的錯誤訊息。

cURL

Copycurl https://api.tokenllm.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "What is the current price of one llm token"}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.tokenllm.cc/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Node.js

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.tokenllm.cc/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

串流

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)